Software Entwicklung, Algorithmik
1. Januar 2020
Manuelle und teilautomatisierte Sichtprüfplätze
1. Januar 2020
Künstliche Intelligenz, Neuronale Netzwerke
In der Bildverarbeitung werden häufig Konzepte aus der künstlichen Intelligenz eingesetzt. Durch das Vorgeben von Gut- und Schlechtmustern werden insbesondere neuronale Netzwerke für Klassifizierungsaufgaben trainiert.
Im Vergleich zu klassischen Bildverarbeitungsmethoden können Deep Learning-Algorithmen auch unerwartete Fehlererscheinungen detektieren.
- Diskussion und Aufnahme Ihrer Anforderungen an die Aufgabenstellung
- Betrachtung der Rahmenbedingungen (Bildmaterial, Typspektrum und Varianz, Einflussfaktoren, Umgebungsbedingungen, Prüfanforderungen und Grenzen)
- Bewertung inwieweit eine Umsetzung auf Basis klassischer Bildauswerteverfahren oder mittels neuronaler Netzwerke zielführend erscheint
- Durchführen von diversen Tests mit neuronalen Netzwerken
- Umsetzung und Integration von neuronalen Netzwerken in Ihre Applikation
| Trainingsprozess |
Auf Basis einer großen Anzahl von Beispielbildern (bildbasierte Big Data) wird das System aufgrund ihrer äußeren Eigenschaften trainiert. - Merkmale wie Farbe, Form, Textur, Oberfläche, Muster - Vorkategorisierung der Bilddaten in Gut und Schlecht |
| Deep Learning Konzept | Nutzung mehrerer vortrainierter neuronaler Netzwerke z.B. zur Performancesteigerung - zur schnellen Identifikation - zur höchsten Erkennungsrate - einfaches Nachtrainieren bestehender neuronaler Netzwerke |
Gerne unterstützen wir Sie bei Aufgaben im Bereich künstlicher Intelligenz / neuronale Netzwerke / Deep Learning.
Die Abwägung, ob klassische Bildverarbeitungsmethoden oder KI bzw. neuronale Netzwerke zum Einsatz kommen, ist mit Bedacht zu treffen. Klassische Methoden sind hinsichtlich der Erkennungssicherheit aufgrund der bekannten Algorithmen einschätzbar. Neuronale Netzwerke können unter Umständen dem System noch nicht bekannte Fehlererscheinungen erkennen, jedoch ist das "Vertrauen" in punkto Auswertesicherheit aufgrund des strukturellen Aufbaus in Form von Neuronen (Entscheidungsknoten) für den Anwender nur schwer nachvollziehbar.